Página 1

Fila 1

Explicación de mi dashboard

Como ya he hecho en las entregas 1 y 2, voy a poner el foco en la facultad de Políticas y Sociología, así como en realizar comparaciones con facultades del Campus de Somosaguas

  1. Página 1 Tabla y gráfico con el número de matriculados hombres y mujeres, así como los porcentajes relativos, de algunas de las facultades emplazadas en el Campus de Somosaguas (Políticas y Sociología, Económicas y Psicología).
  2. Página 2: Gráfico interactivo con los estudiantes de las facultades.

Fila 2

Tabla de datos

Total de alumnos por curso

Página 2

Fila 1

Componente dinámico con ggplot + plotly

Componente estático con ggplot

---
title: "Alumnado UCM Somosaguas"
author: "Jorge Blanco"
date: "`r Sys.Date()`"
output: 
  flexdashboard::flex_dashboard:
    source_code: embed
    logo: logos/man.png
    favicon: logos/ucm_favicon.png
    social: [ "twitter", "facebook", "menu" ]
    navbar:
      - { title: "Proyecto Aula Innova - R", href: "https://ucm.es/aula_innova", align: left }
    orientation: rows
---



```{r setup, include=FALSE}
library(flexdashboard)
library(readr) 
library(dplyr)
library(ggplot2)
library(DT)
library(plotly)

df <- read_delim("datos_tratados.csv", delim = ";")
df$CURSO <- factor(df$CURSO)
df$CENTRO <- factor(df$CENTRO)

# Agrupamos los datos por curso
grouped_data_somosaguas <- df %>%
                filter((CENTRO == "POLITICAS_Y_SOCIOLOGIA" | CENTRO == "PSICOLOGIA" | CENTRO == "ECONOMICAS_Y_EMPRESARIALES")) %>% 
                group_by(CURSO) %>%
                summarise(across(where(is.numeric), sum))

# Agrupamos los datos por curso
grouped_data_politicas <- df %>%
  filter(CENTRO == "POLITICAS_Y_SOCIOLOGIA") %>% 
  group_by(CURSO) %>%
  summarise(across(where(is.numeric), sum))

df_4_M <- select(grouped_data_somosaguas,CURSO,TOTAL_MUJERES)
df_4_H <- select(grouped_data_somosaguas,CURSO,TOTAL_HOMBRES)
colnames(df_4_M)[2] <-"TOTAL"
colnames(df_4_H)[2] <-"TOTAL"

df_4_M$GÉNERO <- rep('Mujer', times = nrow(df_4_M))
df_4_H$GÉNERO <- rep('Hombre', times = nrow(df_4_H))

df_5 <- bind_rows(df_4_M,df_4_H)

```

# Página 1

## Fila 1 {data-height=200}

### Explicación de mi dashboard
Como ya he hecho en las entregas 1 y 2, voy a poner el foco en la facultad de Políticas y Sociología, así como en realizar comparaciones con facultades del Campus de Somosaguas

1. __Página 1__
Tabla y gráfico con el número de matriculados hombres y mujeres, así como los porcentajes relativos, de algunas de las facultades emplazadas en el Campus de Somosaguas (Políticas y Sociología, Económicas y Psicología).
2. __Página 2:__
Gráfico interactivo con los estudiantes de las facultades.

## Fila 2 {data-height=800}

### Tabla de datos {data-width=400}
```{r}
# Crear una tabla interactiva con DT
tabla_interactiva  <- datatable(filter(df,(CENTRO == "POLITICAS_Y_SOCIOLOGIA" | CENTRO == "PSICOLOGIA" | CENTRO == "ECONOMICAS_Y_EMPRESARIALES")), options = list(pageLength = 25))
tabla_interactiva
```


### Total de alumnos por curso {data-width=600}
```{r fig.width=10, fig.height=5}
df %>% filter(CENTRO == "POLITICAS_Y_SOCIOLOGIA" | CENTRO == "PSICOLOGIA" | CENTRO == "ECONOMICAS_Y_EMPRESARIALES") %>% 
ggplot(aes(x = CURSO, y = TOTAL, fill = CENTRO)) +
  geom_col() +
  labs(title = "U.C.M. Campus Somosaguas", x = "Curso", y = "Total de alumnos/as",
  ) +
  theme(axis.text.x = element_text(angle = 30, vjust = 1, hjust = 1, size = 8))
```

# Página 2

## Fila 1 

### Componente dinámico con ggplot + plotly {data-width=500}
```{r}
g1 <-ggplot(df_5, aes(x = CURSO, y = TOTAL, color = GÉNERO, size = TOTAL)) +
  geom_point() +
  labs(title = "Total de Alumnos Facultades Seleccionadas Somosaguas",
       subtitle = "Políticas y Sociología, Económicas y Psicología",
       x = "CURSO",
       y = "Total",
       caption = "SIDI") +
  theme(axis.text.x = element_text(angle = 30, vjust = 1, hjust = 1, size = 8))
g2 <- ggplotly(g1)
g2
```


### Componente estático con ggplot  {data-width=500}
```{R}
df_3 <- filter(df, CENTRO == "POLITICAS_Y_SOCIOLOGIA")

df_3$CURSO <- factor(df_3$CURSO)
df_3$CENTRO <- factor(df_3$CENTRO)
df_4_M <- select(df_3,CURSO,CENTRO,TOTAL_MUJERES)
df_4_H <- select(df_3,CURSO,CENTRO,TOTAL_HOMBRES)

colnames(df_4_M)[3] <-"TOTAL"
colnames(df_4_H)[3] <-"TOTAL"

df_4_M$GENERO <- rep('Mujer', times = nrow(df_4_M))
df_4_H$GENERO <- rep('Hombre', times = nrow(df_4_H))

# Ahora uno las tablas de Hombre y Mujer

df_5 <- bind_rows(df_4_M,df_4_H)


g1 <-ggplot(df_5) +
  geom_col(aes(y=TOTAL, x = CURSO, color = GENERO)) +
  labs(title = "Mujeres y hombres que estudian en la Facultad de Políticas y Sociología",
       subtitle = "Gráficos de barras",
       x = " ",
       y = "Número de estudiantes \n ",
       caption = "Fuente: SIDI, UCM."
  ) +
  theme(axis.text.x = element_text(size = 10, angle = 30, vjust = 1, hjust = 1),
        #arriba(top), izquierda (left), derecha (right)
        legend.position = "top")
g1
```